Fortschritt für digitale Prozessoptimierung

Technologie TU Chemnitz entwickelt selbstlernenden Algorithmus für Karosseriefertigung

Die Digitalisierung der Produktion ist aktuell eines der wichtigsten Handlungsfelder, um Wachstum und Beschäftigung am Wirtschaftsstandort Deutschland auch zukünftig zu sichern. Ein zentraler Zweig ist die Karosseriefertigung sowie damit verbundene Technologien. Die Technische Universität Chemnitz leistet dazu einen Beitrag.

Im vom Bundesministerium für Bildung und Forschung (BMBF) geförderten Projekt "Maschinelles Lernen zur Prognose von Prozessparametern und Bauteilqualität in der automobilen Karosserieproduktion" kooperieren die Professur für Künstliche Intelligenz (Prof. Dr. Fred Hamker) und das Fraunhofer-Institut für Werkzeugmaschinen und Umformtechnik IWU in Dresden (Dr. Mathias Jäckel) sowie die Scale GmbH (Dr. Ingolf Lepenies). Ziel der Kooperation ist die Entwicklung eines Modells auf der Basis Maschinellen Lernens (ML). Dieses ML-Modell soll zur Beschleunigung des Planungs- und Serienanlaufs bei der Karosseriefertigung beitragen. Die Gesamtförderung beträgt rund 1,2 Millionen Euro. Davon entfallen rund 257.000 Euro auf die TU Chemnitz.

Algorithmus zur Optimierung der Qualität

Der Arbeitsplan der TU Chemnitz sieht drei Hauptphasen vor: In der ersten Phase wird ein Vorwärtsmodell trainiert, um die Folgen einer Handlung mit unüberwachtem Lernen vorherzusagen. Dieses trainierte Modell wird in der zweiten Phase zur Beschleunigung des modellbasierten Deep-Reinforcement-Learning-Algorithmus verwendet. Dessen Aufgabe besteht darin, eine Sequenz von Produktionsparametern zu finden, die die Qualität des Endprodukts optimiert. In der dritten Phase wird der entwickelte Algorithmus am realen Produktionssystem getestet. Dabei soll seine Robustheit gegenüber fehlenden sensorischen Informationen überprüft und bewertet werden.